英偉達2026獎學金，8位華人博士統治榜單！人均6萬美金

新智元報道

編輯：定慧

【新智元導讀】2026-2027年度英偉達研究生獎學金名單新鮮出爐，10位獲得最高6萬美金資助的「天選之子」中，華人學者直接霸榜8席！其中更是不乏名師高徒，比如李飛飛的學生也赫然在列，正在教機器人怎么像人一樣干活。從讓游戲畫質起飛的神經渲染，到防不勝防的AI安全攻防，這些博士生研究的都是硬核中的硬核。

剛剛，英偉達研究生獎學金（Nvidia Graduate Fellowship）名單出爐！

該項目致力于挖掘并支持全球頂尖的博士研究生，助力他們在計算創新的前沿領域攻克難題。

作為一項久負盛名的學術榮譽，該項目已走過25年歷程，不僅為獲獎者提供高達60,000美元的科研經費，還提供在英偉達實驗室進行暑期實習的寶貴機會，使學生能夠直接接觸最先進的技術資源與行業專家。

以下是本年度10位最高獎學金獲得者以及5位最終入圍者的詳細履歷。

獎學金獲得者(Recipients)

Jiageng Mao

學校：南加州大學(University of Southern California)

研究方向：物理人工智能、具身智能、自動駕駛

獲獎理由：通過利用互聯網規模數據中的多樣化先驗知識，解決復雜的物理人工智能問題，為現實世界中的具身智能體實現穩健且可泛化的智能。

Jiageng Mao是南加州大學的博士生，師從Yue Wang教授。他的研究核心在于物理人工智能（Physical AI），致力于通過利用互聯網規模數據中的多樣化先驗知識，解決復雜的物理世界問題。他的目標是為現實世界中的具身智能體（Embodied Agents）開發穩健且可泛化的智能系統，研究涵蓋了自動駕駛、計算機視覺和機器人學習等前沿領域。

Liwen Wu

學校：加州大學圣地亞哥分校(University of California, SanDiego)

研究方向：神經渲染、計算機圖形學、3D視覺

獲獎理由：通過神經材質與神經渲染技術，提升基于物理渲染的真實感與效率。

Liwen Wu是UCSD計算機科學與工程系的博士生，導師是Ravi Ramamoorthi教授。他的主要研究興趣集中在計算機圖形學和3D視覺的交叉領域，特別是神經渲染、反向渲染和材質建模。他致力于通過結合神經技術與物理渲染原理，提升渲染的真實感與計算效率，為創建逼真的虛擬世界提供技術支撐。

Manya Bansal

學校：麻省理工學院(Massachusetts Institute of Technology)

研究方向：計算機架構、編譯器、編程語言

獲獎理由：為現代加速器設計編程語言，使開發者能夠編寫模塊化、可復用的代碼，同時不犧牲實現峰值性能所需的底層控制能力。

Manya Bansal是MIT的博士生，由Saman Amarasinghe和Jonathan Ragan-Kelley指導。她的研究致力于為現代硬件加速器設計新型編程語言和編譯器。她開發的系統允許開發者編寫模塊化、可復用的高性能代碼，旨在解決異構計算系統中的編程復雜性，同時保留對底層硬件的精細控制能力，以實現峰值性能。

Sizhe Chen（陳思哲）

學校：加州大學伯克利分校(University of California, Berkeley)

研究方向：AI安全、對抗性機器學習

獲獎理由：致力于現實場景中的人工智能安全防護，當前聚焦于通過通用且實用的防御手段保護智能體免受提示注入攻擊，同時確保智能體的功能完整性。

Sizhe Chen致力于人工智能安全領域的研究，重點關注現實場景中的模型防御機制。他目前的研究聚焦于大語言模型（LLM）和智能體（Agents）的安全性，特別是如何通過通用且實用的防御手段（如結構化查詢防御）來保護智能體免受提示注入等攻擊，同時確保智能體在執行任務時的功能完整性。

Yunfan Jiang

學校：斯坦福大學(Stanford University)

研究方向：機器人學、具身智能、仿真

獲獎理由：通過融合現實世界全身操控數據、大規模仿真與互聯網級多模態監督數據，開發可擴展的方法來構建適用于日常任務的通用機器人。

Yunfan Jiang是斯坦福大學計算機科學系的博士生，導師是李飛飛（Fei-Fei Li）教授。他的研究目標是構建通用的機器人系統，使其能夠執行復雜的日常任務。他通過融合現實世界的全身操控數據、大規模仿真環境（如Minecraft）以及互聯網級的多模態監督數據，開發可擴展的方法來訓練具備高度適應性的機器人智能體。

Yijia Shao

學校：斯坦福大學(Stanford University)

研究方向：人機交互(HCI)、自然語言處理(NLP)

獲獎理由：通過開發能在任務執行過程中與人類溝通協作的 AI 智能體，并設計新型人機交互界面，研究人機協同機制。

Yijia Shao是斯坦福大學的博士生，師從Diyi Yang教授。她的研究重點是人機協同（Human-AI Collaboration）。她致力于開發能夠在任務執行過程中與人類進行有效溝通和協作的AI智能體，并設計新型的人機交互界面。她的工作旨在探索AI如何通過理解人類意圖和反饋，更好地輔助人類完成復雜的知識密集型任務。

Shangbin Feng

學校：華盛頓大學(University of Washington)

研究方向：自然語言處理、模型協作、去中心化AI

獲獎理由：推動模型協作：多個在不同數據上由不同人員訓練的機器學習模型相互協作、組合與互補，構建開放、去中心化、協同化的 AI 未來。

Shangbin Feng是華盛頓大學的博士生，導師是Yulia Tsvetkov。他的研究愿景是推動「模型協作」，即讓多個在不同數據上由不同人員訓練的機器學習模型能夠相互協作、組合與互補。他致力于構建一個開放、去中心化且協同化的AI生態系統，解決單一模型在知識覆蓋和隱私保護方面的局限性。

Shvetank Prakash

學校：哈佛大學(Harvard University)

研究方向：計算機系統、邊緣計算、硬件架構

獲獎理由：基于新型算法、精選數據集和智能體優先的基礎設施構建 AI 智能體，以推進硬件架構與系統設計。

Shvetank Prakash是哈佛大學的博士生，隸屬于邊緣計算實驗室（Edge Computing Lab）。他的研究專注于為AI智能體構建優化的基礎設施，特別是針對資源受限的邊緣設備。他通過利用新型算法、精選數據集和「智能體優先」的設計理念，推進硬件架構與系統設計，使AI能夠更高效地部署在下一代計算平臺上。

Irene Wang

學校：佐治亞理工學院(Georgia Institute of Technology)

研究方向：計算機架構、機器學習系統

獲獎理由：開發集成加速器架構、網絡拓撲與運行時調度的協同設計框架，以實現大規模、高能效且可持續的AI訓練。

Irene Wang是佐治亞理工學院的博士生，導師是Divya Mahajan。她的研究致力于解決大規模AI訓練中的效率與可持續性問題。她開發了集成加速器架構、網絡拓撲與運行時調度的協同設計框架（Co-design Frameworks），旨在優化分布式深度學習系統的性能和能效，推動綠色AI計算的發展。

Chen Geng（耿晨）

學校：斯坦福大學(Stanford University)

研究方向：3D/4D計算機視覺、生成式模型

獲獎理由：利用可擴展的數據驅動算法和物理啟發原理建模四維物理世界，推進面向機器人與科學應用的物理基礎三維與四維世界模型。

Chen Geng是斯坦福大學的博士生，導師是Jiajun Wu。他的研究興趣位于計算機圖形學與4D視覺的交叉點。他致力于利用可擴展的數據驅動算法和物理啟發原理，對四維物理世界進行建模。他的工作推進了面向機器人與科學應用的物理基礎三維與四維世界模型（World Models），特別是在動態場景的生成與理解方面。

最終入圍者(Finalists)

Zizheng Guo

學校：北京大學(Peking University)

Peter Holderrieth

學校：麻省理工學院(Massachusetts Institute of Technology)

Xianghui Xie

馬克斯·普朗克信息學研究所(Max Planck Institute for Informatics)

Alexander Root

學校：斯坦福大學(Stanford University)

Daniel Palenicek

學校：達姆施塔特工業大學(Technical University of Darmstadt)

在這個獎學金項目中：

• 前10位（Recipients）：

  是正式的獎學金獲得者。他們獲得了實質性的物質獎勵（每人高達6萬美元的資助）以及實習機會。

• 后5位（Finalists）：

  是最終入圍者。這意味著他們在激烈的全球競爭中進入了選拔的最后一輪，但最終沒有拿到那10個最高獎學金的名額。

簡單來說，「最終入圍者」雖然沒有獲得那筆6萬美元的大獎，但這在學術界依然被視為一種很高的榮譽（HonorableMention），代表英偉達官方對他們研究實力的高度認可，證明他們的水平已經非常接近獲獎標準。

年度趨勢深度解讀

技術風向標：AI正在走出屏幕！

觀察今年的獲獎名單，我們可以清晰地看到NVIDIA關注點的轉移。

往年可能更多聚焦于純粹的模型架構或算力優化，但今年具身智能(Embodied AI)和AI安全(AI Safety)明顯占據了C位。

• 從虛擬到物理：Jiageng Mao、Yunfan Jiang和Chen Geng等人的研究都致力于打破虛擬與現實的界限，讓AI不僅能聊天，更能理解物理世界并控制機器人干活。

• 安全至上：隨著大模型落地，安全問題日益凸顯。Sizhe Chen關于防御提示注入攻擊的研究獲獎，說明工業界開始高度重視AI的防盜門建設。

高校風云榜：斯坦福贏麻了

在10位最高獎學金獲得者中，斯坦福大學(Stanford University)以絕對優勢領跑，獨占3席，展現了其在AI領域的統治級地位。

• 斯坦福大學：3人(Yunfan Jiang、Yijia Shao、Chen Geng)

• 加州系高校(UCSD、USC、Berkeley)：3人

• 常春藤及其他名校(MIT、Harvard、UW、Georgia Tech)：各1人

這不僅是學生的勝利，也是李飛飛、Diyi Yang和Jiajun Wu等頂尖導師團隊實力的體現。

參考資料：

https://blogs.nvidia.com/blog/graduate-fellowship-recipients-2026-2027/

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！